在GEE中如何优雅的加载影像--以Landsat8为例

摘要：本文介绍了如何加载Landsat8影像，包括如何应用缩放因子，如何去云，并提供了可以直接运行的示例代码。

        相信大部分初学者在GEE运行的第一个代码就是加载影像的代码，在点下run的一瞬间，以前可望不可及的大量影像铺满了在祖国大地，然而看似简单的加载影像，如果这几个地方处理的不够得当，将为后续的研究埋下深深的雷。

1. 应用缩放因子

        众所周知，原始影像反射率的值是0-1之间浮点数，出于节省存储空间的考虑，GEE平台会将影像转换为16位的整型，因此我们在使用影像时要应用缩放因子还原影像的真实反射率。有的同学参考的教程里没有应用缩放因子，在计算NDVI等归一化指数时并不会受影响，但是在计算以加减法运算为主指数时就会造成数量级上的错误，从而在后续的研究中始终跑不出正确的结果。不同的影像应用不同的缩放因子，这里以Landsat8的官方示例来做演示。

1. 如何正确的去云

        2.1 使用CLOUD_COVER属性去云（不推荐）

        去云本身很简单的一个事，好多教程（主要集中在CSDN）写的真是一言难尽。初学者基本都是面像百度编程，搜出来的教程真是一学一个不吱声。

        比如下面这个代码使用filter(ee.Filter.lt('CLOUD_COVER',2))来去云。

        每一景影像都有一个叫CLOUD_COVER的属性，表示这一景影像被云覆盖面积的百分比。

        filter(ee.Filter.lt('CLOUD_COVER',2))表示只保留云覆盖面积小于2%的影像。也就是说只要某一景影像的云面积大于2%就直接丢弃不用了，这也太浪费了吧，这样操作很容易导致加载出来的影像数量过少，甚至连研究区都盖不住。要是想针对特定的某几景影像做研究，这种方法也无可厚非，但是大多数情况下都是要将多景影像中位数合成的，这么做完全就是画蛇添足。因此，我们真正需要的去云是通过去云函数来对有云的像素进行去除。

2.2 使用去云函数去云（推荐）

        实名反对某CSND教程：

        代码是没有任何感情的，是绝对客观的存在，对就是对，错就是错，写出的代码实现不出相应的效果，不去排查自己代码中的bug，反而将对错归因于运气，我不理解。诚然写教程不用像写论文需要严谨，但是也不能搞得这么玄乎吧。

        尽管Landsat8的官方示例未包含去云处理，但是从波段介绍中可以看出GEE是考虑到去云的需求的。以Landsat8为例，QA_PIXEL波段会将被云覆盖的像素标记出，因此只要使用updateMask函数将有云的像素去除就能达到去云的目的。

        完整代码如下（可直接运行）：

var roi = ee.Geometry.Polygon(
        [[[98.76874122458284, 27.476046782884104],
          [98.76874122458284, 26.36424630156598],
          [100.16400489645784, 26.36424630156598],
          [100.16400489645784, 27.476046782884104]]], null, false);
          
var maskclouds = function (img) {
    var cloudShadowBitMask = 1 << 4;
    var cloudsBitMask = 1 << 3;
    var qa = img.select("QA_PIXEL");
    var mask = qa
      .bitwiseAnd(cloudShadowBitMask)
      .eq(0)
      .and(qa.bitwiseAnd(cloudsBitMask).eq(0));
    return img.addBands(img.updateMask(mask), null, true);
};

var applyScaleFactors = function (image) {
    var opticalBands = image
      .select(["Blue", "Green", "Red", "NIR", "SWIR1", "SWIR2"])
      .multiply(0.0000275)
      .add(-0.2).float();
    return image.addBands(opticalBands, null, true);
};

var imageCol = ee.ImageCollection("LANDSAT/LC08/C02/T1_L2")
                  .select(
                    ["SR_B2", "SR_B3", "SR_B4", "SR_B5", "SR_B6", "SR_B7", "QA_PIXEL"],
                    ["Blue", "Green", "Red", "NIR", "SWIR1", "SWIR2", "QA_PIXEL"]
                  )
                  .filterBounds(roi)
                  .filter(ee.Filter.lt('CLOUD_COVER',2))
                  .filterDate('2021-01-01', '2021-12-31')
                  .map(maskclouds)
                  .map(applyScaleFactors);
var image_median = imageCol.median().clip(roi);                  
var visualization = {
  bands: ['Red', 'Green', 'Blue'],
  min: 0.0,
  max: 0.3,
};

Map.centerObject(roi, 8); 
Map.addLayer(image_median, visualization, 'image_median');